OpenAI/gpt-6-luna-text-to-text

gpt-6-luna-text-to-text

Essayez l’API GPT 6 Luna d’OpenAI pour la génération de texte, la rédaction, le code et la conversation via l’API stable et abordable de Flaq AI avec des réponses en streaming.

Text Chat

Modèles Gpt 6 Luna associés

gpt-6-luna-text-to-texttext-to-text

gpt-6-luna-image-to-textimage-to-text

gpt-6-luna-web-searchweb-search

gpt-6-luna-file-analysisfile-analysis

Documentation

Exemples d'API

JavaScriptPythoncURL

Exemple d'envoi

const response = await fetch('https://api.flaq.ai/api/v1/chat/completions', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer YOUR_API_KEY',
    Accept: 'text/event-stream',
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    model: 'gpt-6-luna-text-to-text',
    messages: [
      {
        role: 'user',
        content: 'Write a concise product update for a developer audience.'
      }
    ],
    stream: true,
    max_tokens: 2048
  })
});

if (!response.ok) {
  const errorBody = await response.json().catch(() => null);
  throw new Error(errorBody?.error?.message ?? errorBody?.message ?? `HTTP ${response.status}`);
}

const reader = response.body.getReader();
const decoder = new TextDecoder();
let buffer = '';
let assistantText = '';

while (true) {
  const { done, value } = await reader.read();
  if (done) break;

  buffer += decoder.decode(value, { stream: true });
  const frames = buffer.split(/\r?\n\r?\n/);
  buffer = frames.pop() || '';

  for (const frame of frames) {
    const lines = frame.split(/\r?\n/).filter(Boolean);
    let eventName = 'message';
    const dataLines = [];

    for (const line of lines) {
      if (line.startsWith('event:')) {
        eventName = line.slice(6).trim();
      } else if (line.startsWith('data:')) {
        dataLines.push(line.replace(/^data:\s*/, ''));
      }
    }

    const raw = dataLines.join('\n').trim();
    if (raw === '[DONE]') {
      console.log('\nFinal text:', assistantText);
      continue;
    }

    let payload;
    try {
      payload = JSON.parse(raw);
    } catch {
      continue;
    }

    if (eventName === 'error' || payload.error) {
      const msg = payload.error?.message ?? payload.message ?? 'Chat request failed';
      throw new Error(msg);
    }

    const delta = payload.choices?.[0]?.delta;
    if (delta?.content) {
      assistantText += delta.content;
      console.log(assistantText);
    }
  }
}

Exemple d'envoi

import json
import requests

response = requests.post(
    'https://api.flaq.ai/api/v1/chat/completions',
    headers={
        'Authorization': 'Bearer YOUR_API_KEY',
        'Accept': 'text/event-stream',
        'Content-Type': 'application/json',
    },
    json={
        'model': 'gpt-6-luna-text-to-text',
        'messages': [
            {
                'role': 'user',
                'content': 'Write a concise product update for a developer audience.',
            }
        ],
        'stream': True,
        'max_tokens': 2048,
    },
    stream=True,
)

response.raise_for_status()

event_name = 'message'
assistant_text = ''

for raw_line in response.iter_lines(decode_unicode=True):
    if not raw_line:
        event_name = 'message'
        continue

    if raw_line.startswith('event:'):
        event_name = raw_line.replace('event:', '', 1).strip()
        continue

    if raw_line.startswith('data:'):
        raw_data = raw_line.replace('data:', '', 1).strip()
        if raw_data == '[DONE]':
            print('\nFinal text:', assistant_text)
            continue

        payload = json.loads(raw_data)

        if event_name == 'error' or payload.get('error'):
            error = payload.get('error') or payload
            raise RuntimeError(error.get('message', 'Chat request failed'))

        choices = payload.get('choices') or []
        if choices:
            delta = choices[0].get('delta') or {}
            content = delta.get('content')
            if content:
                assistant_text += content
                print(content, end='', flush=True)

Exemple d'envoi

curl -N -X POST "https://api.flaq.ai/api/v1/chat/completions" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Accept: text/event-stream" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-luna-text-to-text",
    "messages": [
      {
        "role": "user",
        "content": "Write a concise product update for a developer audience."
      }
    ],
    "stream": true,
    "max_tokens": 2048
  }'

Démarrer un nouveau chat

Envoyez un message pour commencer.

Tarifs de GPT 6 Luna Text to Text

Paramètres	Prix	Prix d’origine	Remise

Jeton: input	$0.1000 par 1 M de jetons d’entrée	-	Standard
Jeton: output	$0.5000 par 1 M de jetons de sortie	-	Standard

README

API GPT 6 Luna Text-to-Text rapide et abordable (intégration du chat et du langage à haut débit d’OpenAI)

L’API GPT 6 Luna Text-to-Text sur Flaq AI propose une option économique de la famille GPT-6 d’OpenAI pour les tâches linguistiques ciblées à grande échelle. Conçu pour des expériences utilisateur réactives et des flux de production, GPT-6 Luna aide les développeurs à créer des assistants conversationnels, des chaînes de traitement de contenu, des utilitaires de code et des outils de connaissance sans gérer l’infrastructure du modèle.

Principales fonctionnalités de l’API GPT 6 Luna Text-to-Text

Génération de texte réactive : Prenez en charge les conversations interactives, les systèmes de saisie semi-automatique et les interfaces sensibles au temps de réponse grâce à des réponses textuelles en streaming.
Architecture API économique : Optimisez le retour sur investissement des développeurs en réduisant considérablement les coûts d’inférence tout en conservant les solides capacités linguistiques de GPT-6.
Respect fiable des instructions : Suivez fidèlement les instructions système complexes, les consignes de conversation, les contraintes de mise en forme et les préférences stylistiques.
Contexte sur plusieurs tours via les messages : Transmettez l’historique pertinent de la conversation dans chaque requête pour permettre les questions de suivi et l’affinement progressif des tâches.
Adaptation aux flux à grande échelle : Utilisez le modèle pour les demandes répétées de classification, de transformation de contenu et de conversation, dans les limites de débit de l’application.
Sortie en streaming en temps réel : Diffusez progressivement les tokens via des événements envoyés par le serveur afin de réduire la latence perçue et de fournir un retour visuel immédiat.

Comment utiliser l’API GPT 6 Luna Text-to-Text pour les flux à haut débit sur Flaq AI

Entrée : Prompts textuels en langage naturel, historique des conversations, consignes système et spécifications structurées des tâches.
Sortie : Textes de haute qualité adaptés aux interfaces conversationnelles, aux résumés automatisés, à la rédaction et à la mise en forme des données.
Longueur de sortie : Définissez, si nécessaire, un nombre maximal de tokens de sortie pour des réponses courtes ou des textes plus longs. Aucun maximum par défaut n’est spécifié pour ce paramètre ; les limites de sortie du modèle restent applicables.
Streaming : Fournissez les réponses progressivement via des événements envoyés par le serveur pour un affichage interactif immédiat.
Capacités : Assistance conversationnelle rapide, rédaction automatisée de contenu, aide au code courant, traduction multilingue et traitement de texte à grande échelle grâce à l’intégration de l’API Flaq AI.

Meilleurs cas d’utilisation de l’intégration de l’API GPT 6 Luna Text-to-Text

Assistants conversationnels à grande échelle : Alimentez des robots de support client réactifs, des services de conciergerie virtuelle et des copilotes interactifs intégrés aux applications.
Gestion de contenu et résumés à grande échelle : Générez des descriptions de produits, des publications sociales, des résumés d’actualité et des brouillons d’e-mails dans des chaînes de publication à fort volume.
Utilitaires de développement en temps réel : Fournissez rapidement des explications de code contextuelles, des corrections de syntaxe, des structures de tests unitaires et des générateurs d’expressions régulières.
Automatisation des flux à haut débit : Triez les tickets de support, classez les demandes entrantes, extrayez les entités clés et mettez en forme les messages non structurés à grande échelle.
Localisation et traduction multilingues : Traduisez et adaptez rapidement le contenu généré par les utilisateurs et les textes de produits dans les langues du monde entier.

Remarque Veillez à ce que vos prompts et les flux de votre application respectent les consignes de sécurité et d’utilisation d’OpenAI ainsi que les conditions de Flaq AI. En cas d’erreur, vérifiez si votre prompt contient des éléments interdits, précisez vos instructions et réessayez.

GPT 6 Luna Text-to-Text face aux concurrents : analyse comparative

GPT 6 Luna face à GPT 6 Sol
GPT 6 Sol est conçu pour le raisonnement approfondi en plusieurs étapes, les architectures logicielles complexes et la rédaction technique exigeante. GPT 6 Luna privilégie une génération rapide et des coûts d’exploitation abordables, ce qui en fait un choix idéal pour les environnements de production à fort volume sensibles à la latence.
GPT 6 Luna face à GPT 5.6 Luna
GPT 5.6 Luna est une option antérieure pour les flux textuels efficaces. GPT 6 Luna apporte la famille GPT-6 plus récente aux applications privilégiant les tâches ciblées et les usages à grande échelle ; comparez la qualité et le coût avec vos propres prompts avant de migrer.
GPT 6 Luna face aux modèles Claude Fable
Les modèles Claude Fable répondent aux besoins de raisonnement exigeants dans l’écosystème Anthropic. GPT 6 Luna est une option basée sur OpenAI pour les équipes privilégiant les tâches de chat ciblées à grande échelle.
GPT 6 Luna face aux modèles open source auto-hébergés
Les modèles ouverts auto-hébergés nécessitent que les équipes gèrent le service d’inférence et l’infrastructure. GPT 6 Luna propose un accès API géré aux équipes qui préfèrent utiliser un modèle hébergé dans leurs flux textuels.